EpiScreen：用大语言模型从病历中早期筛查癫痫

明尼苏达大学团队开发EpiScreen系统，通过微调大语言模型分析电子病历实现癫痫早期检测。该系统在MIMIC-IV数据集上AUC达0.875，人机协作模式下医生诊断准确率提升10.9%，为癫痫早期筛查提供低成本、高效率的辅助方案。

癫痫是全球约5000万患者的神经系统疾病，但诊断存在挑战——心因性非癫痫发作症状相似却治疗方法迥异，误诊会导致延误或副作用。传统金标准长程视频脑电图监测设备昂贵、操作复杂、耗时久，可及性受限，尤其在资源有限地区。

EpiScreen基于微调大语言模型，核心功能是从电子病历自动识别疑似癫痫患者。模型通过标注的癫痫与心因性发作病历数据监督学习，采用端到端方式映射病历文本到癫痫风险分数，无需人工定义特征规则。

系统在双数据集验证中表现良好：MIMIC-IV数据库AUC0.875，明尼苏达大学私有队列AUC0.980。人机协作模式下，神经科医生诊断准确率较单独诊断提升10.9%，结合AI处理能力与医生临床判断提升诊断效率。

EpiScreen可作为低成本筛查工具提升癫痫检出率（尤其资源有限地区）；缩短诊断延迟，首次就诊即可提供风险评估；避免心因性发作患者被误诊为癫痫而接受不必要药物治疗，减少成本与副作用。

局限性包括依赖病历数据质量完整性、目前为研究原型需大规模临床验证、不能替代医生诊断。未来方向：扩展至不同癫痫综合征识别、整合影像等多数据源、开发更友好用户界面。